深度学习笔记04-卷积神经网络CNN

1.神经网络的结构

 

注意：下图中的g函数为sigmoid函数

总结：因此，当神经网络的层数足够时，可以描述任意区域形状。

上图中的符号说明：

参数说明如下图：depth为神经元个数，步长为窗口每次移动的距离，填充值是使得上图中的宽度能被整除，所加的值

计算方法：每个对应的位置的元素相乘，再加上偏移量b1

计算过程：

0*0+0*1+0*0+0*0+0*0+0*0+0*-1+1*1+0*0=1

0*1+0*0+0*1+1*0+0*0+0*1+2*-1+2*0+0*-1=-1

0*-1+0*0+0*-1+1*1+1*0+0*0+0*-0+0*1+0*-1=1

1+(-1)+1+1=2

注意：最后一个1是b0的值

激励层选型经验总结：

取得窗口的最大值。

GPU:K80